易翻译覆盖了文字、图片、音频、视频与字幕等多种格式：常见文档（DOC/DOCX、PDF、PPT/PPTX、XLS/XLSX、TXT、RTF、HTML 等）、图片（JPG/PNG/HEIC/TIFF/BMP）、扫描件与 OCR、音频（MP3/WAV/M4A/AAC/FLAC/OGG/AMR 等）、视频（MP4/MKV/AVI/MOV/WMV/FLV 等）以及字幕文件（SRT、VTT、ASS 等）。工具还支持实时语音互译、双语对话、批量处理、原格式导出或双语对照导出，并能对长文档、扫描件和嵌入式字体做一定程度的保留和识别（有大小与质量限制）。下面我慢慢把细节、使用技巧和限制说明清楚，像跟你当面聊一样。
先弄清“能翻什么”这个问题的边界
说实话，问“能翻哪些格式”有两层意思：一层是技术上能识别和翻译的文件类型；另一层是翻译后文件能以什么形式导出或呈现。两者都很重要——前者决定能不能读懂内容，后者决定你拿到的翻译结果能不能直接用。在讲具体扩展名前，我先把工作流用比喻说清楚：想象文件是一个信封，内容可能是字（文本）、照片（图片）、录音（音频）或电影（视频）。易翻译既能把这些信封拆开读内容（OCR、ASR、文本解析），也能把读到的内容翻译成另一种语言，并把新内容写回去（导出为同种、相近或可编辑的格式）。
一眼看表：常见格式和支持情况
| 格式类别 | 常见扩展名 | 是否支持读取/翻译 | 是否支持导出为同类可编辑格式 | 备注 |
| 办公文档 | DOC/DOCX, PPT/PPTX, XLS/XLSX, TXT, RTF | 支持（结构化文本解析） | 通常支持（DOCX/PPTX/XLSX 可导出） | 表格公式、复杂排版可能需要人工校对 |
| PDF（可检索/扫描） | 支持（可检索PDF直接读取，扫描PDF需OCR） | 支持导出为PDF或DOCX等，但格式保留度视复杂度 | 嵌入字体、复杂版式、表单字段可能影响结果 | |
| 网页/HTML | HTML, HTM | 支持（会解析标签与文本） | 可导出为HTML或纯文本 | CSS样式不翻译，需注意编码（UTF-8/GBK） |
| 图片 / 扫描 | JPG/JPEG, PNG, BMP, TIFF, HEIC | 支持（OCR 识别） | 可导出为带翻译文本的图片或文本文件 | 分辨率与清晰度直接影响识别率 |
| 音频 | MP3, WAV, M4A, AAC, FLAC, OGG, AMR | 支持（ASR 识别后翻译） | 输出为文本或翻译后的字幕、翻译音频（TTS） | 噪音、口音、重叠讲话会影响识别准确率 |
| 视频 | MP4, MKV, AVI, MOV, WMV, FLV | 支持（提取音轨→ASR→翻译；可做画面OCR） | 可导出为带翻译字幕或嵌入翻译后的视频文件 | 编码与分辨率影响处理速度与精度 |
| 字幕 | SRT, VTT, ASS | 支持（时间戳与文本直接处理） | 支持（保留时间轴，输出同类字幕） | 可批量翻译并保持时间轴同步 |
逐类详细讲解（用费曼法解释）
1. 纯文本与办公文档（最简单的一类）
纯文本（TXT）就像白纸写字，最容易翻；Word、Excel、PowerPoint 则像带格子的白纸或有图表的报表。易翻译直接读取这些文件里的文本内容，翻译后通常能导出为 DOCX、XLSX、PPTX 或纯文本。要注意两点：一是表格里的公式或图表说明性文本需要手动检查；二是很多旧版 DOC（非 DOCX）或带宏的文件可能先需转换。
2. PDF：分为“可检索”与“扫描”两种
可检索的 PDF（文本层存在）就像已经打印但能被电脑选中文本的书页，易翻译直接抽文本；扫描 PDF 则像拍照的书页，需要先做 OCR（光学字符识别）。OCR 的准确度依赖字体清晰度、扫描分辨率和语言种类。复杂排版、两栏排版或有旋转文本的 PDF，可能出现段落错乱或表格识别错误，所以导出成可编辑的 DOCX 后通常还要人工校对。
3. 图片和拍照的文本（手机拍照取词）
图片翻译靠 OCR，把图片上的字转换成可翻译的文本。常见场景是菜单、路牌、合同照片等。建议拍照时保持光线均匀、避免反光、分辨率高于 1000×600，这样识别更稳。对于手写体，识别准确率会明显下降（除非是非常整齐的手写）。
4. 音频与实时语音（ASR → 翻译）
把语音翻译想成两步走：先把声音“听成文字”（ASR），再把文字翻成目标语言。支持文件上传（如 MP3、WAV）和实时通话/麦克风输入。环境噪声、多人对话重叠、方言和口音都会影响第一步的识别；识别错误会传导到翻译，所以最好在安静环境下录音或使用录音设备，提高采样率（建议 16kHz 以上）。
5. 视频与多轨媒体
视频翻译通常先把音轨抽出来做 ASR，然后将时间戳与文本生成字幕（SRT/VTT）。如果视频中含有屏幕文字（比如教学视频的演示文稿），还可以对画面做 OCR，从而把屏幕文字也纳入翻译。这意味着你能得到两类输出：1) 翻译后的字幕文件；2) 带嵌入式字幕的成品视频（视平台功能而定）。
6. 字幕文件（SRT/VTT/ASS）
字幕文件本身就是带时间轴的文本，翻译时要保留时间戳，易翻译支持同步翻译并输出同格式文件（例如翻译 SRT 并保留原有时间码）。对于 ASS 等带样式的字幕，样式信息通常保持，文本替换后要注意字符长度可能导致显示拥挤。
7. 网页与HTML
HTML 文件需要解析标签与文本，易翻译会忽略标签本身，只翻译可见文本，但不会修改 CSS。需要注意字符编码（UTF-8 最常见，GBK 也会遇到），如果编码不对，中文会乱码，翻译器先要识别到正确编码才能翻译。
功能与导出选项：你能得到什么样的结果？
- 原格式导出：对 Office 文档和某些 PDF，常可导出为可编辑的 DOCX/PPTX/XLSX，保留大部分文本与简单排版。
- 双语对照：生成左右并列或上下并列的原文-译文文档，便于校对与审阅。
- 字幕与时间轴保留：SRT/VTT/ASS 等时间码保持不变，文本替换为目标语言。
- TTS 语音合成：将翻译结果输出为语音文件，常见格式为 MP3/WAV，适合语音导览或听力材料。
- 逐句/批量翻译：支持批量上传多个文档或批量处理字幕段落。
限制与常见坑（重要）
别忽视这些，省得你拿到结果后怀疑人生：
- 文件大小与页数限制：平台通常对单文件大小或每日处理量有上限，大文件需拆分或使用付费/企业版。
- OCR/ASR 的误识别：图片模糊、手写、低采样率音频、口音重的语音都会导致文字识别错误，影响翻译质量。
- 复杂排版与特殊字体：嵌入字体、复杂表格或数学公式可能无法完美转换。
- 隐私与合规：敏感内容（个人数据、商业机密、受保护资料）在上传前要确认服务商的隐私政策与数据保留条款。
- 术语一致性：机译可能会对专有名词或术语产生不一致翻译，使用词汇表/术语表能提高一致性。
实战小技巧（怎么做才能更快更准）
- 先清洗文本：删除无关页眉页脚和水印，表格中尽量把非文本图形单独保存。
- 图片拍摄技巧：尽量平稳、避免反光、光线充足，分辨率高（推荐至少 2MP），对齐文本方向。
- 录音设置：用外置麦克风、靠近说话人，避免多人同时讲话，采样率 16kHz 或更高。
- 使用术语表：上传或指定术语表，确保专有名词或品牌名一致。
- 分段校对：对长文档先做抽检，遇到表格或图表内容优先人工校对。
举几个使用场景与操作步骤（一步一步来）
场景一：翻译带有表格的合同 PDF
步骤很直观：
- 上传 PDF（如果是扫描件，选择 OCR 模式）；
- 选择源语言和目标语言，设定导出为 DOCX 或双语对照；
- 下载后用 Word 检查表格、签章位置和段落；
- 必要时把表格复制到 Excel 校验数值和格式。
场景二：给外语会议录音做字幕并生成中英文双语视频
- 上传会议录音或视频（支持 MP4/MP3 等）；
- 执行 ASR 生成时间戳文本；
- 自动翻译并导出 SRT（或 VTT）；
- 如果需要嵌字幕，选择“嵌入字幕”或用视频编辑软件把翻译后的 SRT 合并进视频。
场景三：旅游时快速拍照翻译菜单或路牌
打开手机摄像头进入拍照取词模式，框选需要翻译的字词，即时显示目标语言；遇到整页菜单可选择“全文翻译”或“逐段复制”功能。多数情况下就够用了——但看到手写或艺术字体时，别抱太高期望。
技术细节（对技术用户有用）
如果你关心编码、采样和文件头那些细节：文本最好 UTF-8 编码；音频采样率 16kHz 及以上、单声道优于立体声用于识别时更稳定；视频建议 H.264 编码的 MP4，处理速度更快。对于 PDF，带文本层的 PDF（可选中文本）比纯图片 PDF 更容易保留原格式。
常见问题（FAQ）
Q：可以翻译手写笔记或白板吗？
A：可以尝试，但准确率取决于字迹清晰度和拍摄质量。对于草书或潦草笔记，识别率会下降，人工整理往往不可避免。
Q：翻译结果能直接用作正式发布吗？
A：机译速度快但并不总是完美，尤其是法律、医学、财务等行业文档，建议人工后校或使用专业译员审校。
Q：批量翻译大量文件有限制吗？
A：有的，公共版一般有文件大小和数量限制，企业版或 API 通常提供更高配额和定制化服务。
一句话建议（别当结尾，只是个提醒）
把文件准备好、提高源文件质量、利用术语表和后校对流程，往往比盲目追求“全自动”要靠谱得多。嗯，我就这样边写边想的把这些点铺开了，可能还有些你会在实际操作中碰到的小问题，到时候再细聊。
